医学图像精细化分割方法研究

发布时间：2021-06-06 19:51

　　指出了深度学习方法在医学图像分割中取得较大的进展,但医学图像处理的复杂性使得全自动分割方法难以取得较好的分割效果。在卷积网络分割的基础上,结合应用场景使用适当的后处理手段来提升图像的分割效果是一种比较有临床意义的研究方法。主要研究了基于概率图的全连接条件随机场模型和基于用户交互的深度编辑网络,并分析总结了这两种方法的实现原理和各自优势,并对未来的研究工作进行了一些展望。 

【文章来源】：绿色科技. 2020,(04)

【文章页数】：2 页

【文章目录】：
1引言
2 基于全连接条件随机场的方法
    2.1 传统short-range CRFs
    2.2 全连接CRFs
    2.3 模型的学习和推理
3 基于交互式深度编辑框架的方法
    3.1 方法概述
    3.2 交互设计
        3.2.1 选择工具
        3.2.2 刷子工具
        3.2.3 调整工具
    3.3 其他细节
4 结语


【参考文献】：
期刊论文
[1]基于深度学习的肺结节识别[J]. 高智勇,万昕.  中南民族大学学报(自然科学版). 2019(03)



本文编号：3215031